知识库与 RAGAI 资源

exomem：将 Obsidian/Markdown 笔记库变成可检索的本地知识库并接入 MCP 客户端

Artexis10/exomem · Self-hosted MCP server that makes your Obsidian/markdown vault searchable — text, PDFs, Office docs, images, audio — from any MCP client. Hybrid retrieval over a typed, governed corpus, sub-second at 50k notes; your files stay plain markdown.

GitHub原文发布未知首次收录 2026-11-03上架 2026-11-03 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

exomem 是一个自托管的 MCP 服务器，把用户自有的 Obsidian/Markdown 笔记库变成可供 Codex、Claude Code、Cursor、CLI agent 及任意 MCP 客户端调用的本地知识库。它支持对 Markdown、PDF、Office 文档、图片、音频和视频进行本地提取与混合检索，并以带类型、分层的语料组织方式，将原始来源、编译笔记、实体、证据和被取代的结论分开存放；同时提供审计与待复核队列。文件保持纯 Markdown、可编辑、可迁移，服务器只在自己创建的 Knowledge Base/ 目录下写入。项目支持关键词/BM25 与语义检索，并提供资源模式控制、Docker 镜像和远程 OAuth 部署路径。

# 本地索引 # 语义检索 # AI 知识工作台 # MCP 扩展 # 文档检索

核心能力与快速开始

★ 9 · Python

能做什么: 把本地 Markdown/Obsidian 笔记库做成 MCP 可调用的知识库；支持 Markdown、PDF、Office 文档、图片、截图、音频、视频的本地提取与检索；提供关键词/BM25 与语义/混合检索；按来源、编译笔记、实体、证据、被取代结论等类型分目录管理；提供审计与待复核队列（未处理来源、过时笔记、断链、相近主张）；提供 adopt 只读扫描以安全接管既有笔记库；提供 bootstrap() 给通用 MCP 客户端下发搜索/保存/上传约定；支持 quiet/normal/performance 资源模式与 Docker 镜像（keyword、ml、cuda）。
适用场景: 让 Claude Code、Codex、Cursor 或任意 MCP 客户端基于自有的 Obsidian/Markdown 笔记回答并引用来源；在笔记库中检索跨文本、PDF、Office、图片与音视频的内容；为需要来源、历史与复核记录的长期知识沉淀提供受治理的本地知识基底；在不想把笔记导入专有存储的前提下获得语义检索能力；通过 Docker 或远程 OAuth 为手机/托管聊天客户端提供连接器。
项目形态: 可直接使用的工具
部署方式: 提供脚本一键安装（macOS/Linux 与 Windows）、uvx/pip/uv tool 安装、stdio 与远程 HTTP MCP 两种接入方式，以及 Docker 镜像（:latest、:ml、:cuda）和 docker compose 常驻服务方案。README 明确说明 macOS 目前无法作为 vault 服务端（held-filesystem 只有 Linux 与 Windows 后端）。
主要依赖: Python >= 3.11；首次启动会在后台下载检索模型；GPU 为可选（CUDA 镜像，默认 CPU-first）；Windows 活动 vault 建议原生安装而非 WSL2 绑定挂载。README 未提供具体硬件规格、API 成本或限制细节。
使用限制: README 列出的限制包括：macOS 当前不能提供 vault 服务；claude.ai 与 ChatGPT 无法程序化安装 skills，需手动上传且没有 hook 自动捕获；部分客户端（如固定版本的 Codex CLI）缺少 SessionEnd hook。服务端只做确定性的检索、提取、排序、嵌入与文件写入，不做判断性评价。许可证为 AGPL-3.0，商业使用条件与成本未说明。
许可证: AGPL-3.0
最近推送: 2026-11-03 06:57

官方入门项目文档核对 README 依据 ↗

资料检查：2026-11-03 07:00 · 卡片整理：2026-11-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

dsh-evidence：将本地文件转为 DeepSeek Harness 中可版本化定位的证据

dsh-evidence 是 DeepSeek Harness 的 Web 端插件，支持在 composer 中上传单个文件或整个文件夹，并在本机完成解析与索引，使模型不必把整份文档塞进提示词。它提供两个工具：search_documents 按问题检索紧凑证据块，read_document 按带版本号的坐标精确展开 PDF 页、PPTX 幻灯片、文本行范围或 XLSX 的 Sheet!Range。坐标绑定源文件哈希与解析模式，文件被修改后旧坐标会明确失效；检索结果还可回退到进程内的 JS 索引后端。JPEG/PNG/WebP/GIF 交给 Harness 原生视觉通道处理。项目为公开源码 beta，需配合支持 web profile 的 DeepSeek Harness CLI 使用。

RustXNG：面向 AI Agent 的自托管元搜索与溯源引擎

RustXNG 是一个用 Rust 编写、基于 SearXNG 的自托管元搜索引擎，用于为 AI Agent 提供本地 Web 搜索与页面文本溯源能力。它聚合多个搜索源的结果，通过 JSON API 返回标题、URL 和摘要，并可按需抓取页面正文以控制送入模型的文本量；同时提供只读的 MCP 服务，暴露 search 与 read_page 工具，支持结果条数、域名过滤、引擎选择和时间范围等参数。项目提供发布二进制、Cargo、Docker 和源码等多种安装方式，可配置本地索引、Valkey/Redis 缓存及引擎健康监控。

video-grep：在终端中用自然语言按画面内容搜索视频并定位时间点

video-grep 是一个面向终端和 SSH 场景的视频内容搜索工具。它把视频按 6 秒片段抽样，用多模态嵌入模型 EmbeddingGemma 2 建立画面索引，再用英文描述动作、场景或物体来检索，返回匹配的视频和具体时间点。支持只读素材、长视频、后台索引、断线续跑、增量索引，以及只导出匹配片段。所有处理在本机完成，仅模型下载需要联网。

OpenNexus：本地优先的 AI 知识工作台

OpenNexus 是一个本地优先的 AI 原生知识工作台，用 Markdown 作为笔记载体、JSON Canvas 作为结构化画布，支持本地混合检索（SQLite FTS5 加本地向量嵌入，并用 RRF 融合和可选重排）、把音频和视频等媒体转成带时间戳的笔记、可审查的 AI 写入与变更历史恢复、可暂停恢复的 Agent 流程和多 Agent 协作、对话搜索、反向链接以及文件夹视图等。它还内置 MCP 服务器、插件和社区包扩展，可选多设备同步，并提供 Windows 桌面安装包。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。